基于CAN总线和PSA模型的AMT在线故障诊断系统

表2 ANFIS和BP训练结果对比

通过对比可见，PSA网络模型在训练速度、收敛性以及拟合能力等方面均优于PCA—BP网络模型。

同理，其他子系统也可根据获得的数据进行PSA建模，并分别进行测试和调整。最后将所有的诊断子系统通过图形化编辑方式或应用命令行函数进行合并，建立整体诊断模型。

将检测样本分别输入各ANFIS子网络与BP网络，进行2种模型泛化能力验证，对比结果如表3所示(部分数据)。表中各输出值意义：1为无故障；2为换挡阀卡滞；3为输入轴转速传感器故障；“一”表示未能作出诊断。

表3 ANFIS和BP故障诊断结果对比

表3结果表明，自适应模糊神经网络能准确地诊断出包括正常工况在内的3类故障模式，而BP网络存在误判和输出分类效果较差等问题。

图6 2种模型的训练误差曲线

4结论

(1)基于CAN总线通信网络构建的新型AMT故障诊断系统，可以充分利用车辆行驶状态信息，实现实时分布式在线故障诊断。

(2)结合PCA和subtraetive clustering方法建立的ANFIS诊断模型，具有较好的学习速率和精度，能够根据发动机转速、节气门开度等真实工况参数变化的趋势准确地诊断出AMT无上行换挡故障原因。

(3)PSA模型与PCA—BP模型相比，其在训练速度、拟合能力以及收敛性等方面均优于后者，更适用于故障诊断。